航空发动机退化等级软表征与风险监测方法

作者： 吴宇伦   宋鹏宇   陈旭   赵春晖   来源： 控制工程 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   状态监测   剩余使用寿命   软划分表征  

描述： 复杂转换特性的过渡区，提出了一种过渡区特征融合表征与即时评估方法，从而对发动机退化过程进行多阶段精细化建模与状态评估。最后，设计了航空发动机退化状态在线评估策略，实现了退化阶段的识别和关键时间节点的预警。利用涡扇发动机数据集进行实验，验证了所提方法的有效性。

数据驱动的航空装备健康管理平台设计与应用

作者： 张昌福     王飞飞     李琳     周鹏     陈光林   来源： 制造业自动化 年份： 2024 文献类型 ： 期刊 关键词： 数据驱动   故障诊断   航空装备管理   健康管理   状态监测   健康预测  

描述： 数据驱动的航空装备健康管理平台设计与应用

基于状态监测数据的航空发动机剩余寿命在线预测

作者： 李航   张洋铭   来源： 南京航空航天大学学报 年份： 2021 文献类型 ： 期刊 关键词： Wiener过程   航空发动机   状态监测   隐含退化建模   剩余寿命预测  

描述： 针对现有基于状态监测数据的航空发动机剩余寿命预测研究未能综合考虑隐含退化建模和同步更新漂移/扩散系数的问题,提出一种基于状态监测数据的航空发动机剩余寿命在线预测方法。首先,基于非线性Wiener过程

静电传感器在航空发动机超转监控中的应用分析

作者： 郭家琛     左洪福     甄博     张弓   来源： 南京航空航天大学学报(自然科学版) 年份： 2025 文献类型 ： 期刊 关键词： 静电传感器   航空发动机   超转   状态监测   适航审定  

描述： 静电传感器在航空发动机超转监控中的应用分析

基于DBN的航空发电机故障诊断方法研究

作者： 马楠   倪优扬   葛红娟   来源： 航空计算技术 年份： 2021 文献类型 ： 期刊 关键词： 特征提取   航空发电机   故障诊断   深度置信网络  

描述： 针对目前故障诊断方法多依赖于信号处理技术、步骤较为繁琐的问题,研究了一种基于深度置信网络的航空主电源故障诊断方法,直接对原始时域信号进行故障特征提取。分析了航空发电机的典型短路故障,构造了深度置信

基于DBN的航空发电机故障诊断方法研究

作者： 马楠   倪优扬   葛红娟   来源： 航空计算技术 年份： 2021 文献类型 ： 期刊 关键词： 特征提取   航空发电机   故障诊断   深度置信网络  

描述： 针对目前故障诊断方法多依赖于信号处理技术、步骤较为繁琐的问题,研究了一种基于深度置信网络的航空主电源故障诊断方法,直接对原始时域信号进行故障特征提取。分析了航空发电机的典型短路故障,构造了深度置信

基于ELM的航空发动机故障诊断方法

作者： 崔建国   刘宏伟   陶书弘   于明月   高阳   来源： 火力与指挥控制 年份： 2018 文献类型 ： 期刊 关键词： 特征提取   极限学习机   故障诊断   小波包  

描述： 以航空发动机主燃油泵为具体研究对象,提出了一种基于基于小波包能量比与极限学习机(Extreme Learning Machine,ELM)的故障诊断方法。对于某型真实航空发动机,采用振动传感器感知

基于频域特征的航空轴承智能诊断

作者： 李宏宇     苏越     陈康     王俨剀   来源： 航空动力学报 年份： 2024 文献类型 ： 期刊 关键词： 特征提取   滚动轴承   故障诊断   双向循环长短期记忆网络   神经网络  

描述： 针对航空发动机滚动轴承的故障诊断，提出一种基于频域特征的故障诊断模型。将原始振动信号进行包络解调预处理，仅取每段数据处理后的512个点作为故障特征，将其作为双向循环长短期记忆网络（BiLSTM）模型

傅里叶分解在航空发动机复合故障诊断中的应用研究

作者： 左红艳   刘晓波   洪连环   来源： 南昌航空大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 复合故障诊断   特征提取   航空发动机   傅里叶分解  

描述： 针对航空发动机转子振动信号的非线性、非平稳特性，应用傅里叶分解方法 (Fourier Decomposition Method,FDM)实现航空发动机转子复合故障诊断。首先应用傅里叶分解方法将

基于特征提取的航空发动机滚动轴承故障诊断

作者： 周卓峰   刘伟   喻鸣   来源： 内燃机与配件 年份： 2023 文献类型 ： 期刊 关键词： 滚动轴承   特征提取   深度信念网络   机器学习   故障诊断   旋转机械  

描述： 特征提取的滚动轴承故障诊断方法，通过特征提取获得更全面数据信息，再将深度信念网络模型用于信号识别，全方位反映航空发动机滚动轴承的运行状态。经实验验证，DBN模型在噪声环境下的平均准确率可达99%以上，具有较强的抗噪能力。